输入fit1=ExponentialSmoothing(df_.df_,freq='M').fit()报错AttributeError: 'DataFrame' object has no attribute 'df_'

根据报错信息，你使用了一个名为 `df_` 的 DataFrame 对象，但是该对象并没有 `df_` 属性。因此，你需要检查一下你的代码，确认是否正确地定义了 `df_`，或者是否在定义之后修改了其属性。如果你没有定义 `df_`，那么可能是你想引用另一个 DataFrame 对象的 `df_` 属性，但是你却使用了错误的变量名。请检查一下你的代码，并确认变量名的正确性。

相关问题

fit1=ExponentialSmoothing(m2.m2,freq='M').fit()

这行代码利用 statsmodels 库中的 ExponentialSmoothing 类对 m2 列进行指数平滑操作，并将平滑后的结果存储在 fit1 变量中。

具体来说，代码中的参数说明如下:

1. m2.m2: 表示要进行指数平滑的数据列，这里是 m2 列。
2. freq='M': 表示数据按月份进行采样，即数据频率为月度数据。

fit() 方法是执行指数平滑操作的方法，它返回一个 ExponentialSmoothing 对象，该对象包含了平滑后的结果以及其他相关信息。

总之，该代码的目的是利用指数平滑方法对 m2 列进行平滑，并将结果存储在 fit1 变量中。

fit2=ExponentialSmoothing(df_.df_,trend="add",freq='M').fit() fit2.forecast(1) fit2.forecast(3)x明明想要从2023/4/30开始预测，为什么输出的显示成2020年？

根据你提供的代码，我猜测你使用的是Python中Statsmodels库中的ExponentialSmoothing方法进行时间序列预测。在这个方法中，如果你没有显式地指定预测的时间范围，它会默认使用时间序列中最后一个时间点作为开始预测的时间点，并根据模型中设置的频率（freq）进行预测。因此，你需要确保在调用 `fit2.forecast()` 方法时，将要预测的时间范围作为参数传递给它，例如：

fit2.forecast(3, start='2023-04-30', freq='M')

这样就可以从2023/4/30开始预测了。